論文の概要: Recognition Awareness: An Application of Latent Cognizance to Open-Set Recognition

• arxiv url: http://arxiv.org/abs/2108.12115v1
• Date: Fri, 27 Aug 2021 04:41:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-30 14:14:25.396954
• Title: Recognition Awareness: An Application of Latent Cognizance to Open-Set Recognition
• Title（参考訳）: 認識認識:潜在認知のオープンセット認識への応用
• Authors: Tatpong Katanyukul and Pisit Nakjai
• Abstract要約: ソフトマックスメカニズムは、モデルに事前定義されたラベルのセットからオブジェクトクラスを予測するように強制する。 この特徴は、分類における有効性に寄与するが、物体認識における非センス予測のリスクを生じさせる。 オープンセット認識は、オブジェクト認識における異物識別の問題に対処することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study investigates an application of a new probabilistic interpretation of a softmax output to Open-Set Recognition (OSR). Softmax is a mechanism wildly used in classification and object recognition. However, a softmax mechanism forces a model to operate under a closed-set paradigm, i.e., to predict an object class out of a set of pre-defined labels. This characteristic contributes to efficacy in classification, but poses a risk of non-sense prediction in object recognition. Object recognition is often operated under a dynamic and diverse condition. A foreign object -- an object of any unprepared class -- can be encountered at any time. OSR is intended to address an issue of identifying a foreign object in object recognition. Based on Bayes theorem and the emphasis of conditioning on the context, softmax inference has been re-interpreted. This re-interpretation has led to a new approach to OSR, called Latent Cognizance (LC). Our investigation employs various scenarios, using Imagenet 2012 dataset as well as fooling and open-set images. The findings support LC hypothesis and show its effectiveness on OSR.
• Abstract（参考訳）: 本研究では,ソフトマックス出力の確率的新しい解釈をオープンセット認識(osr)に適用する。 softmaxは分類やオブジェクト認識で広く使われているメカニズムである。 しかし、ソフトマックス機構は、モデルにクローズドセットパラダイム、すなわち事前定義されたラベルの集合からオブジェクトクラスを予測するように強制する。 この特徴は分類の有効性に寄与するが、物体認識においてナンセンスな予測のリスクをもたらす。 オブジェクト認識はしばしば動的かつ多様な条件下で実行される。 外部オブジェクト -- 準備されていないクラスのオブジェクト -- はいつでも遭遇することができる。 OSRは、オブジェクト認識における異物識別の問題に対処することを目的としている。 ベイズ定理と文脈の条件付けの強調に基づき、ソフトマックス推論が再解釈されている。 この再解釈は、Latent Cognizance (LC)と呼ばれるOSRの新しいアプローチにつながった。 調査では、Imagenet 2012データセットや、ばかばかしやオープンセットイメージなど、さまざまなシナリオが採用されている。 LC仮説を支持し,OSRに対する効果を示した。

関連論文リスト

• Unseen Object Reasoning with Shared Appearance Cues [1.9610132419137964]
  本稿では,オープンワールド認識(OWR)への革新的アプローチを紹介する。 未知の物体の認識に対処するために、既知の物体から得られた知識を活用する。
  論文  参考訳（メタデータ） (2024-06-21T18:04:13Z)
• ECOR: Explainable CLIP for Object Recognition [4.385998292803586]
  本稿では,カテゴリと合理性の連立確率分布に基づくオブジェクト認識タスクにおける説明可能性の数学的定義を提案する。 本手法は,説明可能な分類における最先端性能を示す。 この進歩は、説明可能なオブジェクト認識を改善し、多様なアプリケーションに対する信頼を高める。
  論文  参考訳（メタデータ） (2024-04-19T12:20:49Z)
• RAR: Retrieving And Ranking Augmented MLLMs for Visual Recognition [78.97487780589574]
  MLLM(Multimodal Large Language Models)は、細粒度カテゴリの分類において優れている。 本稿では,MLLMの検索とランク付けのための拡張手法を提案する。 提案手法は, 微粒化認識における固有の限界に対処するだけでなく, モデルの包括的知識基盤も維持する。
  論文  参考訳（メタデータ） (2024-03-20T17:59:55Z)
• Active Open-Vocabulary Recognition: Let Intelligent Moving Mitigate CLIP Limitations [9.444540281544715]
  オープン語彙認識のための新しいエージェントを提案する。 提案手法は,クラス固有の知識に頼ることなく,フレーム間の類似性や概念間の類似性を利用してエージェントの動きをナビゲートし,特徴を融合する。
  論文  参考訳（メタデータ） (2023-11-28T19:24:07Z)
• Persistent Homology Meets Object Unity: Object Recognition in Clutter [2.356908851188234]
  見えない屋内環境における隠蔽物体の認識は、移動ロボットにとって難しい問題である。 本稿では,深度画像から生成された点雲のための新しい記述子TOPSと,人間の推論にインスパイアされた認識フレームワークTHORを提案する。 THORは両方のデータセットで最先端の手法より優れており、UW-IS Occludedデータセットのすべてのシナリオに対する認識精度が大幅に向上している。
  論文  参考訳（メタデータ） (2023-05-05T19:42:39Z)
• The Familiarity Hypothesis: Explaining the Behavior of Deep Open Set Methods [86.39044549664189]
  特徴ベクトルデータに対する異常検出アルゴリズムは異常を外れ値として識別するが、外れ値検出はディープラーニングではうまく機能しない。 本論文は, 新規性の有無ではなく, 慣れ親しんだ特徴の欠如を検知しているため, これらの手法が成功するというFamiliarity仮説を提案する。 本論文は,親しみやすさの検出が表現学習の必然的な結果であるかどうかを論じる。
  論文  参考訳（メタデータ） (2022-03-04T18:32:58Z)
• Latent Cognizance: What Machine Really Learns [0.0]
  最近の研究では、新しい確率論的解釈に基づく認識メカニズムの洞察である潜在認知(Latent Cognizance)が発見された。 本稿では,トレーサブルな文脈下での新たな解釈について考察する。 本研究は,LCの基盤となる理論的根拠を裏付け,学習分類推論の基盤となる隠蔽機構を明らかにする。
  論文  参考訳（メタデータ） (2021-10-29T05:26:38Z)
• Conditional Variational Capsule Network for Open Set Recognition [64.18600886936557]
  オープンセット認識では、分類器はトレーニング時に未知の未知のクラスを検出する必要がある。 最近提案されたカプセルネットワークは、特に画像認識において、多くの分野で代替案を上回ることが示されている。 本提案では,訓練中,同じ既知のクラスのカプセルの特徴を,事前に定義されたガウス型に適合させることを推奨する。
  論文  参考訳（メタデータ） (2021-04-19T09:39:30Z)
• Open-set Adversarial Defense [93.25058425356694]
  オープンセット認識システムは敵攻撃に対して脆弱であることを示す。 本研究の目的は,OSAD(Open-Set Adrial Defense, Open-Set Adrial Defense)機構の必要性である。 本稿はOSAD問題に対する解決策として,OSDN(Open-Set Defense Network)を提案する。
  論文  参考訳（メタデータ） (2020-09-02T04:35:33Z)
• Open Set Recognition with Conditional Probabilistic Generative Models [51.40872765917125]
  オープンセット認識のための条件付き確率生成モデル(CPGM)を提案する。 CPGMは未知のサンプルを検出できるが、異なる潜在特徴を条件付きガウス分布に近似させることで、既知のクラスを分類できる。 複数のベンチマークデータセットの実験結果から,提案手法がベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-08-12T06:23:49Z)
• Few-Shot Open-Set Recognition using Meta-Learning [72.15940446408824]
  オープンセット認識の問題点を考察する。 新しいoPen sEt mEta LEaRning (PEELER)アルゴリズムが導入された。
  論文  参考訳（メタデータ） (2020-05-27T23:49:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。